К содержимому
Изображения

Sam_MOSS

turbo-чекпоинт для MOSS Image

1 мин чтения

Sam_MOSS — чекпоинт на базе MOSS Image, который автор сделал как попытку turbo-версии. Главное отличие — расчёт на работу от 8 шагов. В основе лежит int8-вариант, а bf16-версии не будет. Триггер-слова не нужны, поэтому модель можно подключать как обычный чекпоинт MOSS Image. Пригодится тем, кому нужен ускоренный вариант для быстрых прогонов и экспериментов.

Ключевые особенности

  • Turbo-подход: генерация работает с 8 шагами и больше.
  • Базовая модель — MOSS Image.
  • Доступен int8-вариант; bf16-версия не планируется.
  • Триггер-слова не требуются.

Что можно сделать

  • Быстро прогонять идеи в MOSS Image, начиная с 8 шагов.
  • Сравнить результат с базовым MOSS Image в своих задачах.
  • Проверить чекпоинт в пайплайнах, где нужен именно int8-вариант.

Пример

Подключите Sam_MOSS как чекпоинт к MOSS Image и запустите генерацию с 8 шагами. Если результата мало, увеличьте число шагов — автор указывает, что модель работает с 8 и более.

ПодробнееБазовая модель: MOSS Image.
Формат: int8; bf16-версия не планируется.
Генерация: работает от 8 шагов.
Триггер-слова: не требуются.
Примеры
Обсудить 124 2,5 тыс.

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # civitai/3008366-sam-moss
    # ===== Токены: вставьте свои между кавычками =====
    export CIVITAI_TOKEN=""   # civitai.com/user/account → API Keys — для LoRA с Civitai
    # ==========================================
    mkdir -p ~/models
    vid=$(curl -fsSL "https://civitai.com/api/v1/models/3008366" | python3 -c 'import json,sys;print(json.load(sys.stdin)["modelVersions"][0]["id"])')
    cd ~/models && curl -fL -OJ -H "Authorization: Bearer $CIVITAI_TOKEN" "https://civitai.com/api/download/models/$vid"
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к 3008366-sam-moss
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

У этой модели пока нет известных родственников.

О модели

civitai/3008366-sam-moss
Автор
toya_san
Категория
Изображения
Дата выхода
На сайте

На сайте

Civitai

2,5 тыс.124

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии